基于多特征融合的变尺度目标跟踪方法

给出一种基于多特征融合的核相关滤波器变尺度估计方法,以求解决视觉跟踪目标尺度变化问题。先提取目标所在区域的方向梯度直方图、颜色名和均匀局部二值模式,将此三种特征进行融合,构造训练样本,对目标外观建模;再求解线性岭回归函数,获得位置和尺度核相关滤波模板,对待检测帧的候选区域进行相似性度量,确定跟踪目标位置及尺度;实时更新位置模型和尺度模型的学习因子。实验结果表明,所给方法在不同挑战因素下,满足精确跟踪的要求,且在目标尺度变化、遮挡等复杂场景下,有较强鲁棒性。     

基于特征组合的多人脸跟踪算法

提出了一种融合肤色特征、ORB特征和运动状态估计的多人脸跟踪算法.该算法以多线程跟踪为基础,根据不同跟踪算法的适用特点,在未受肤色干扰时依靠基于分块加权的改进Camshift算法跟踪,在受干扰时则结合包含尺度变化的ORB特征匹配算法进行跟踪.算法同时利用Kalman滤波器修正跟踪误差,以提高跟踪效果.实验表明,基于特征组合的多人脸跟踪算法具有较好的跟踪准确性和实时性.     

一种多特征和动态权重策略的目标跟踪算法

传统的单一特征很难准确描述目标的外观特征,无法对目标进行大范围的精确跟踪。针对这一问题,提取卷积特征和颜色直方图特征分别训练相关滤波模型,并提出了一种动态权重策略可自适应地融合两种特征响应图。在模型更新方面,引入目标周围的背景信息,共同训练相关滤波器。将该算法在OTB2013和OTB2015数据集上进行了测试。实验结果表明,该算法可以有效地提高跟踪的准确性和成功率。     

一种基于多特征融合的视频目标跟踪方法

针对复杂场景下多特征跟踪算法适应性不强的问题,提出一种多特征有效融合和更新的目标跟踪方法.该方法首先在粒子滤波框架下采用加权融合的方式对目标进行多特征观测和相似性度量,通过分析粒子的空间集中度和权值分布建立一种有效的融合系数计算方法,使融合结果更加准确可靠.然后选取可信度高的特征检测遮挡,并动态调整目标模型的更新速度,以降低算法受目标变化和部分遮挡的影响.实验证明该方法对复杂的跟踪场景具有更强的鲁棒性,并适用于目标被遮挡时的跟踪.     

基于多模式多特征融合粒子滤波视频目标跟踪

本文研究了目标的多特征融合跟踪问题.提出了衡量各特征质量的标量方法,利用粒子权值平方和来表示各特征信息的粒子退化程度,并以此值作为各特征信息质量状况的衡量.该方法能根据跟踪的实际情况判定各分信息粒子质量,并在此基础上提出了多模式融合策略,该策略能依据各分信息的质量变换各融合模式达到跟踪过程中各模式的最优组合.实验结果表明:在对复杂背景视频目标的跟踪中,该算法具有强的鲁棒性,较高的识别精度.     

基于混合特征的运动目标跟踪方法

为了应对运动目标跟踪任务中目标的尺度、光照变化和形变等情况,提出了一种基于混合特征的运动目标跟踪方法--SoH-DLT,综合考虑了运动目标的轮廓特征和细节特征.在粒子滤波跟踪过程中引入方向直方图描述目标轮廓特征,保证与目标最相似的粒子在尺度、光照变化和形变的情况下仍能获得较高的置信度,并作为跟踪结果输出.结合深度学习获得的高层特征和具有尺度不变性的加速鲁棒特征计算粒子权重,提高了复杂运动场景下目标跟踪的准确度,强化了SoH-DLT方法对尺度变化运动目标跟踪的鲁棒性.实验结果表明,SoH-DLT与其他方法相比获得了更好的跟踪效果.     

一种基于多特征自适应融合的运动目标跟踪算法

针对复杂背景下的运动目标跟踪问题,提出了一种基于多特征自适应融合的运动目标跟踪算法。通过构建目标与背景的图像特征分布方差的比值函数来衡量目标与背景间的区分度,采用各特征的区分度对特征集进行线性加权自适应表示运动目标并集成在基于核的跟踪方法中。为了克服模板更新过程中的漂移,通过计算前后相邻两帧间目标模型的相似度函数,对跟踪模板进行自适应更新。基于生物视觉认知理论,目标的颜色、边缘特征以及纹理特征被用来实现基于多特征自适应融合的运动目标跟踪算法。仿真实验表明:采用本文算法能有效地对复杂背景下的运动目标进行跟踪。     

基于自适应多特征表观模型的目标压缩跟踪

针对压缩跟踪算法中表观模型的视觉表达特征单一、统计模型缺乏柔性的问题,提出一种自适应的多特征表观建模方法.该方法引入了对梯度、边缘等图像细节描述能力更强的Surf特征,并通过构建两级观测矩阵解决多维特征的观测问题,与亮度特征进行融合,使视觉表达更加丰富、全面;通过计算正负样本特征所服从的概率分布曲线的Hellinger距离,分析特征对目标和背景的区分能力,自适应地调整统计模型中各特征之间的权重,使统计模型能更好地利用对目标跟踪有益的信息,根据目标和背景的变化及时进行更新.实验结果表明:该自适应多特征表观模型能更加准确地描述实际场景中目标和背景的复杂变化,在保持高效率的同时,极大地提高了跟踪算法的鲁棒性和准确性.     

基于协方差矩阵元素的多目标角跟踪方法

提出了一种多目标角跟踪算法．将相邻时间段估计得到的协方差矩阵相减,对差距阵线性化近似得到了一组关于角度差的线性方程组,重复解方程组可以得到不同时间段各个目标的角度．本算法不需要更新信号子空间; 不同时间段之间各个目标的角度是自动关联的,省去了运算量较大的数据关联过程;适用于目标个数大于阵元个数的情况; 同时,该算法可以减小噪声的影响．仿真结果表明了算法的有效性．     

基于Kalman预测器的多特征Camshift运动目标跟踪算法

基于色度特征的Camshift算法在运动目标颜色特征与背景颜色特征差别不大或目标附近有与目标色度相近的物体时,往往会失去跟踪目标或者跟踪目标不准确.据此,提出一种基于Kalman预测器的多特征融合的Camshift运动目标跟踪算法,将色度特征和梯度方向特征结合起来,利用综合直方图实现目标跟踪,并针对运动目标突然加速导致目标跟丢的情况,采用Kalman预测器预测运动目标在下一帧中可能出现的位置,再用Camshift算法搜索目标中心,提高搜索的实时性.实验表明,该改进算法有效地解决了原有算法存在的问题,提高了目标跟踪的速度与精度,满足了实时性要求.     

利用团块模型进行目标跟踪

提出了一种基于局部特征的目标跟踪算法．通过多尺度分析方法,根据颜色和空间上的相似性将目标分割为多个区域,每个区域由一个团块表示,团块包含了该区域所有像素的颜色均值、形状和位置．根据团块特征构造目标的外观模型,定义团块的匹配准则,通过团块匹配进行目标跟踪．由于目标模型是基于局部特征的,并且包含目标的全局空间结构,因此该算法在局部遮挡和目标尺度变化的情况下,依然能够进行准确地跟踪．实验表明该算法能够有效实现复杂场景下的目标跟踪,性能优于Mean-shift算法．     

基于立体视觉平台的彩色图像视觉跟踪

在彩色图像视觉跟踪过程中,存在定位精度低、伺服周期长、可靠性差等问题.提出了一种改进的目标物体检测方法,同时运用已有的双目运动机构建立了视觉跟踪系统.在保证定位精度和可靠性不变的前提下,减小了图像处理过程中的计算量,缩短了整个系统的计算周期.同时通过大量的试验进行验证.结果表明,方法原理正确有效,对于具有不同颜色、不同形状、不同尺寸的运动目标物体都能够使双目运动机构跟随目标物体进行,实现了立体视觉平台的旋转运动.     

一种基于多特征融合的棒材在线跟踪算法

针对棒材在线计数系统中多运动目标的跟踪问题,提出了一种利用棒材端面二值图像的垂直投影曲线的运动特征、几何特征和位置特征来实现快速、稳定跟踪的算法.它能够在线自适应选择跟踪窗口的位置和大小,然后依据距离相关度、面积相似度和置信度函数评价每次的观测数据,使得跟踪过程具有良好的容错性.现场应用结果表明：该跟踪算法实时性好、可靠性高,保证了棒材在线计数的准确性.     

Study of multi-feature fusion methods for distribution fields in object tracking

In order to improve the robustness of the distribution fields (DF) as an object model in object tracking, we propose a mutli-feature fusion framework for the distribution fields. In the original DF-based method, the density histogram was used to estimate the DF of a pixel, but the structural information was ignored. For effective representation of the structural information in the DFs, a special type of coding for the featured points which contain structural information is merged into the DFs. Experiments show that the new method outperforms the original method and four other state-of-the-art tracking algorithms for some challenging video clips.     

基于多特征融合的粒子滤波自适应目标跟踪算法

为解决用单一特征无法保持在复杂环境下跟踪的鲁棒性以及粒子数量增多导致的算法效率低下的问题,选择多个特征融合的策略来保证跟踪的持续稳定,并自适应地调整每个特征的权值来适应环境的变化;为提高算法的实时性,采用自适应的粒子数量。实验结果表明:本文算法有效地解决了目标旋转、目标遮挡以及背景混淆等诸多问题,具有较高的鲁棒性。     

鲁棒的PTZ摄像机目标跟踪算法

提出基于可旋转、变焦（PTZ）摄像机的目标实时智能跟踪算法.通过检测图像序列的方差,根据噪声和运动干扰的历史数据,建立相应的空间分布模型,实现有选择性的﹑高灵敏度的运动检测和云台控制.根据噪声的分布情况调整判决阈值,为不同区域赋予不同的检测灵敏度,提高了系统的噪声容限.自适应地调整方差的序列长度,实现系统灵敏度的大范围调整,以适应噪声、光照的快速变化和不同数量级别的运动幅度.推导长序列方差的快速算法,给出系统实时工作的例子.实验结果表明,算法工作可靠,响应迅速.     

Multi-feature integration kernel particle filtering target tracking

In light of degradation of particle filtering and robust weakness in the utilization of single feature tracking,this paper presents a kernel particle filtering tracking method based on multi-feature in...     

成像目标跟踪算法分析

对基于分割的质心跟踪算法、基于提边的差分跟踪算法及特征匹配跟踪算法等主流算法进行了比较分析,引入目标运动的速度、方向、区域面积和长宽等5个特征值,根据它们的相对连续性,分析跟踪算法计算出来的位移视差的可靠性．通过对这些特征值的相应处理,可以加入抗短时遮挡功能,从而大大提高正确跟踪目标的概率．     

基于粒子滤波和自适应模型的目标跟踪算法

为了提高粒子滤波的性能,使用集合卡尔曼滤波对建议分布进行改进,同时提出了用于视频跟踪的自适应融合模型．使用集合卡尔曼滤波结合当前的观测信息构造建议分布,结合当前观测信息对每一个粒子进行集合分析,得到新的建议分布,依据新的建议分布对粒子进行采样,同时在跟踪过程中将颜色特征模型和形状特征模型进行融合,并进行自适应更新．实验结果证明：相对于传统粒子滤波和扩展卡尔曼粒子滤波,使用新的建议分布可以更有效地降低均方根误差,同时自适应融合模型的稳定性要高于使用单一颜色模型．使用新的建议分布和融合模型,可以有效提高粒子滤波的准确性和稳定性．